睡眠障礙是亞健康人群普遍存在的疾病,表現(xiàn)為睡眠質(zhì)量差、失眠等,并可能誘發(fā)各種心腦血管疾病。睡眠分期是睡眠障礙的研究前提,據(jù)此可分析睡眠質(zhì)量,為解決睡眠問(wèn)題提供方向。傳統(tǒng)睡眠分期由專業(yè)睡眠醫(yī)師依據(jù)多導(dǎo)睡眠監(jiān)測(cè)圖（Polysomnography,PSG）進(jìn)行手動(dòng)標(biāo)注,然而,PSG采集過(guò)程繁瑣,對(duì)環(huán)境要求嚴(yán)格,且手動(dòng)標(biāo)注效率低、耗時(shí)長(zhǎng)、任務(wù)繁重。為了解決已有睡眠監(jiān)測(cè)系統(tǒng)的這些缺陷,本文設(shè)計(jì)了EEG-ECG便攜式睡眠監(jiān)測(cè)系統(tǒng),并基于單通道前額EEG和單通道ECG信號(hào)對(duì)自動(dòng)睡眠分期算法進(jìn)行了詳細(xì)的研究。首先,采用PSG系統(tǒng)從臨床上獲取15例健康人睡眠數(shù)據(jù),并由睡眠醫(yī)師標(biāo)注了睡眠分期�；趩瓮ǖ狼邦~EEG和單通道ECG信號(hào)從不同模態(tài)下提取特征:在腦電模態(tài)下,根據(jù)EEG信號(hào)的頻域分析和非線性動(dòng)力學(xué)分析,共提取13種特征值;在心電模態(tài)下,根據(jù)ECG信號(hào)以及心率變異性的時(shí)域和頻域特性,共提取13種特征值;在耦合模態(tài)下,基于改進(jìn)的耦合算法從心肺信息耦合和心腦信息耦合兩個(gè)角度進(jìn)行特征值提取,從心肺信息耦合角度共提取了14種特征值;從心腦信息耦合角度共提取了18種特征值。然后,根據(jù)特征值與各睡眠階段間的相關(guān)性... 

【文章來(lái)源】：燕山大學(xué)河北省

【文章頁(yè)數(shù)】：85 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 睡眠研究背景和意義
    1.2 睡眠分期準(zhǔn)則
    1.3 腦電與睡眠
        1.3.1 腦電信號(hào)特征
        1.3.2 腦電分析方法及睡眠領(lǐng)域應(yīng)用研究現(xiàn)狀
    1.4 心電與睡眠
        1.4.1 心電信號(hào)特征及心率變異性
        1.4.2 基于心電的睡眠分析國(guó)內(nèi)外研究現(xiàn)狀
    1.5 機(jī)器學(xué)習(xí)算法在睡眠分期的應(yīng)用
    1.6 論文主要研究?jī)?nèi)容
第2章 基于不同模態(tài)的特征及機(jī)器學(xué)習(xí)方法
    2.1 基于腦電模態(tài)的特征
        2.1.1 睡眠腦電節(jié)律
        2.1.2 同步快慢比和β比率
        2.1.3 中值頻率和邊緣頻率
        2.1.4 腦電非線性動(dòng)力學(xué)分析
    2.2 基于心電模態(tài)的特征
        2.2.1 心電信號(hào)的R波檢測(cè)
        2.2.2 心率以及呼吸信號(hào)的提取
        2.2.3 心率變異性的特征提取
    2.3 基于耦合模態(tài)的特征
        2.3.1 心肺-心腦信息耦合算法
        2.3.2 耦合特征
    2.4 機(jī)器學(xué)習(xí)分類方法
        2.4.1 BP神經(jīng)網(wǎng)絡(luò)分類算法
        2.4.2 隨機(jī)森林分類算法
        2.4.3 GA-SVM分類算法
        2.4.4 PSO-SVM分類算法
    2.5 本章小結(jié)
第3章 基于EEG-ECG信號(hào)的睡眠分期
    3.1 數(shù)據(jù)的來(lái)源
    3.2 信號(hào)預(yù)處理
        3.2.1 腦電信號(hào)預(yù)處理
        3.2.2 心電信號(hào)預(yù)處理
    3.3 特征集整理
        3.3.1 腦電模態(tài)下的特征集整理
        3.3.2 心電模態(tài)下的特征集整理
        3.3.3 耦合模態(tài)下的特征集整理
    3.4 自動(dòng)睡眠分期的實(shí)現(xiàn)
    3.5 睡眠分期結(jié)果分析
    3.6 本章小結(jié)
第4章 EEG-ECG睡眠監(jiān)測(cè)系統(tǒng)設(shè)計(jì)
    4.1 系統(tǒng)設(shè)計(jì)需求及實(shí)現(xiàn)流程
    4.2 系統(tǒng)硬件設(shè)計(jì)
        4.2.1 硬件整體功能設(shè)計(jì)
        4.2.2 主控芯片選型與簡(jiǎn)介
        4.2.3 模數(shù)轉(zhuǎn)換芯片選型與簡(jiǎn)介
        4.2.4 無(wú)線通信模式的選擇與配置
        4.2.5 電源管理模塊設(shè)計(jì)
        4.2.6 數(shù)據(jù)存儲(chǔ)模塊設(shè)計(jì)
        4.2.7 系統(tǒng)的硬件實(shí)現(xiàn)
    4.3 系統(tǒng)軟件設(shè)計(jì)
        4.3.1 軟件整體功能設(shè)計(jì)
        4.3.2 安卓操作系統(tǒng)優(yōu)勢(shì)
        4.3.3 藍(lán)牙通信和權(quán)限設(shè)置
        4.3.4 數(shù)據(jù)接收與處理
        4.3.5 波形顯示界面
        4.3.6 數(shù)據(jù)存儲(chǔ)
        4.3.7 系統(tǒng)的軟件實(shí)現(xiàn)
    4.4 系統(tǒng)整體實(shí)現(xiàn)
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于心肺活動(dòng)的睡眠分期研究[J]. 李濤,李昌興.  電子技術(shù)與軟件工程. 2018(08)
[2]基于心電與呼吸信號(hào)的睡眠分期算法研究[J]. 黃文漢,張偉,胡立剛,周陳旺,向丹陽(yáng).  智能計(jì)算機(jī)與應(yīng)用. 2018(01)
[3]基于心電信號(hào)的睡眠階段的辨識(shí)[J]. 董精通,張濤,林仲志.  北京生物醫(yī)學(xué)工程. 2017(04)
[4]睡眠呼吸暫停綜合征腦電關(guān)聯(lián)維特性研究[J]. 周靜,吳效明.  生物醫(yī)學(xué)工程學(xué)雜志. 2017(02)
[5]基于腦電模糊分析的睡眠分期方法研究[J]. 劉光達(dá),王偉,尚小虎.  計(jì)算機(jī)工程與應(yīng)用. 2017(23)
[6]基于振幅-周期二維特征的腦電樣本熵分析[J]. 郭家梁,鐘寧,馬小萌,張明輝,周海燕.  物理學(xué)報(bào). 2016(19)
[7]基于心率變異性分析的睡眠分期方法研究[J]. 王金海,孫微,韋然,趙曉赟,國(guó)海丁,王慧泉.  生物醫(yī)學(xué)工程學(xué)雜志. 2016(03)
[8]基于心電信號(hào)提取呼吸信號(hào)的算法[J]. 郭永叢,司玉娟.  吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2016(03)
[9]基于變分模態(tài)分解-傳遞熵的腦肌電信號(hào)耦合分析[J]. 謝平,楊芳梅,李欣欣,楊勇,陳曉玲,張利泰.  物理學(xué)報(bào). 2016(11)
[10]由心電信號(hào)提取呼吸信息的算法及其仿真實(shí)現(xiàn)[J]. 張金寶,王杰華.  南通大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(01)



本文編號(hào)：3006118